Exalumno Ignacio Espinoza diseña modelo de detección de las fake news

La investigación se enmarca en su reciente examen de grado del programa de Magíster en Ciencias de la Ingeniería Informática y que espera sea el puntapié para diseñar y crear otros métodos de detección de noticias falsas.

Ignacio Espinoza, actualmente Backend Engineer en Cornershop by Uber, en el área de Logistics & Predictions, estaba terminando la carrera de Ingeniería Civil Informática USM cuando tuvo que tomar la decisión de qué electivos tomar, sintiendo mucha atracción por las asignaturas del área científica de la informática por el gran poder e impacto que tenían y la gran variedad de aplicaciones que estaban saliendo en ese tiempo, principalmente en áreas donde la inteligencia artificial había generado grandes cambios.

“Tomé ramos como Minería de Datos, Machine Learning y Tecnologías de búsqueda en la web, con el fin de adquirir habilidades, conocimientos y herramientas para mi futuro. Así, me interesé en la posibilidad de cursar el magíster científico que ofrece el Departamento, buscando profundizar en estos tópicos y generar nuevo conocimiento para la comunidad. Además, existía la posibilidad de hacer una pasantía en Canadá para trabajar en los temas de mi investigación, oportunidad que se cumplió y fue financiada completamente con una beca del Gobierno de Canadá”, cuenta Ignacio.

Como trabajar con técnicas de procesamiento y análisis de texto siempre le resultó interesante, debido a que el lenguaje es algo intrínseco de los seres humanos y quería aprender cómo las máquinas pueden entender esto, en el segundo semestre del magíster comienza a trabajar con estudiantes y profesores de otras universidades en el Instituto Milenio Fundamento de los Datos donde uno de los tópicos que exploran en un comienzo es la detección automática de noticias falsas.

“Me pareció un problema bastante difícil de trabajar porque a nosotros ya nos cuesta distinguir entre lo verdadero y falso. Me incliné por la detección temprana pues había muy pocos trabajos que atacaran directamente este problema y quería investigar cómo se puede aprovechar la poca información que hay al comienzo de la difusión de una noticia para combatir la desinformación. Para eso, tomamos Twitter como nuestra red de estudio”, precisa Espinoza.

Fruto de esta investigación logran diseñar un modelo de detección de noticias falsas que puede predecir la veracidad de un contenido noticioso, con una alta precisión, dentro de las primeras cuatro horas desde que ésta fue emitida en Twitter. “Esto es muy importante en escenarios de desinformación, como lo son las redes sociales, donde hay una gran cantidad de contenido que se genera de forma constante y que, por temas de recursos y tiempo, es imposible para un grupo humano procesar de forma manual. También, otro resultado encontrado es que la fuente que más aporta al momento de predecir la veracidad de una noticia es la noticia en sí (el texto) y los comentarios que se realizan en base a esta noticia. No obstante, el uso combinado de esta fuente de datos más las características del contexto de la propagación en la red social, aportan por lejos más información a un clasificador de noticias que el uso de estas fuentes por separado”, explica el recién graduado del Magíster en Ciencias de la Ingeniería Informática.

Sobre las proyecciones de su investigación, Ignacio comenta que puede ser el puntapié para diseñar y crear otros métodos de detección de noticias falsas con enfoques a otras fuentes de información no exploradas en el escenario de detección temprana. Asimismo, otra área que se puede explorar, y que, a su juicio, tiene mucha atención estos días, es la de generar modelos que entreguen una explicación entendible por humanos del funcionamiento de estos modelos, que generalmente son cajas negras y se desconoce cómo funcionan realmente por dentro. “Además, sería interesante implementar una versión en tiempo real de uno de estos modelos, por ejemplo, como una extensión de navegador, para ayudar a las personas a evitar caer y compartir este tipo de contenido en las redes sociales”, agrega el exalumno.

Su tema de tesis se tituló “Fake news detection model for the early stages of the spread”, guiada por el profesor Marcelo Mendoza y evaluada por los profesores:  Dr. Marcelo Mendoza, Director de Tesis; Dr. Claudio Torres, Correferente Interno y Presidente Comité Evaluador y Dr. Felipe Bravo, Correferente Externo Nacional (DCC-Universidad de Chile), quienes evaluaron su trabajo escrito y presentación con nota 100 destacando sus buenos resultados y autonomía en la evolución de la investigación.

Para revivir su presentación ingresa aquí